哥大李昀烛团队 FlexiTac 开源一年半：3 分钟组装，ADI 推进商业化版本触觉分辨率达人类手指五倍
来源雷峰网查看原文
速览
- FlexiTac 是开源柔性压阻式触觉传感器，3 分钟组装，可裁剪包裹多种形态
- 完整 BOM、装配说明与读取软件全部开源，并集成进 LeRobot 框架
- 本科生用 3D 打印机加 SO-100 机械臂即可上手做触觉研究
- 开源一年半，已衍生多模态策略、世界模型、VLA 触觉反馈等方向工作
- 与普渡合作的 VTAP Gripper 入围 IROS 最佳论文奖
- ADI 推进商业化版本，触觉分辨率达人类手指五倍，走半导体量产工艺
- 2024 年制作的传感器一年半后仍可用，旧数据训练的模型照常工作
- 仿真只需弹簧-阻尼系统，标定 3 个超参数，便于规模化算法迭代
哥伦比亚大学李昀烛团队在 IROS 2026 触觉专题研讨会上介绍了开源柔性压阻式触觉传感器平台 FlexiTac 开源一年半后的进展。FlexiTac 采用 FPC 与力敏薄膜层叠结构，组装仅需 3 分钟，可弯曲、裁剪并包裹于不同几何表面，适配手套、指尖或机器人皮肤等形态，团队同时开源了完整 BOM、分步装配说明与数据读取软件，并已集成进机器人学习框架 LeRobot。李昀烛称，只要有一台能打印低成本 SO-100 机械臂的 3D 打印机，本科生也能把触觉传感器装上机器人。开源约一年半以来，FlexiTac 已在学术界与工业界获得采用，衍生出多模态策略、可变形世界模型、四足移动-操纵、VLA 触觉反馈等方向的工作，与普渡大学合作的多指灵巧操纵工作 VTAP Gripper 入围本次 IROS 最佳论文奖。Analog Devices（ADI）正在推进其商业化版本，该版本触觉分辨率达到人类手指的五倍，基于半导体制造工艺量产。
关键事实
- FlexiTac 是哥伦比亚大学李昀烛团队提出的开源柔性压阻式触觉传感器平台，在 IROS 2026 触觉专题研讨会上被系统介绍
- FlexiTac 采用 FPC 与力敏薄膜层叠结构，组装仅需 3 分钟，可弯曲、裁剪并包裹于不同几何表面
- 团队开源了完整 BOM、详细分步装配说明以及读取触觉数据的软件，并集成进机器人学习框架 LeRobot
- 李昀烛称，只要有一台能打印低成本 SO-100 机械臂的 3D 打印机，本科生也能把该触觉传感器集成进机器人
- 开源约一年半以来，FlexiTac 衍生出多模态策略、可变形世界模型、四足移动-操纵、VLA 触觉反馈等方向的工作
- 与普渡大学合作的多指灵巧操纵工作 VTAP Gripper 入围本次 IROS 最佳论文奖
本站视角
对国内做具身智能和机器人操作的团队来说，FlexiTac 的价值不在于它是不是性能最强的触觉传感器，而在于它把触觉研究的入场门槛压到了很低：完整 BOM、分步装配说明、读取软件全部开源，还接进了 LeRobot，配合一台能打印 SO-100 机械臂的 3D 打印机就能开工。这直接利好高校实验室、初创团队和做 VLA、灵巧操作、触觉反馈方向的研究者——过去自研触觉传感器往往要花几个月在硬件和标定上，现在可以把精力放在算法和数据上。我们认为，触觉领域真正的瓶颈从来不是单点指标，而是缺乏统一硬件导致的数据无法复用、结果无法复现；一个被广泛采用的开源硬件平台，比一篇指标更高的论文更有可能改变这个局面。李昀烛提到的两个细节值得注意：一是 2024 年夏天制作的传感器时隔一年半后仍可直接使用，用一年前数据训练的模型照常工作，这指向长期稳定性；二是不同批次之间的一致性，这正是含橡胶材料传感器的常见痛点。需要观察的是，这些结论目前来自团队自述，尚未看到第三方独立复现的量化对比，长期漂移和批次一致性的具体指标也未在演讲精编稿中给出。ADI 的商业化版本是另一个关键变量：触觉分辨率达到人类手指五倍、基于半导体制造工艺量产，如果落地，意味着 FlexiTac 从学术开源方案走向可规模供货的器件，这对依赖进口触觉传感器的国内团队是实质利好，但也可能带来新的供应链依赖。VTAP Gripper 入围 IROS 最佳论文奖说明其学术生态已初步成形，不过入围不等于获奖，生态的实际规模仍需看后续有多少团队真正基于它产出可复现的结果。
背景与影响
触觉长期是具身智能系统中的薄弱环节。在物体被遮挡、透明、易碎，或需要精确判断接触力与手内姿态时，仅靠视觉难以确认机器人是否真正抓稳物体、是否发生滑移，也难以实现可靠的力控与顺从交互。与图像领域已形成相对统一的传感器和数据体系不同，触觉研究尚未收敛：不同实验室往往使用完全自研、互不兼容的触觉传感器，且普遍面临寿命、柔性、多维信息感知、分辨率、成本与一致性难以同时兼顾的困境，这使触觉数据采集、算法研究和跨系统复现都更困难。FlexiTac 的思路是把触觉做成像视觉一样可被大量采集、被算法反复利用的基础感知能力，其核心优势被概括为成本低、制作简单、高度柔性与可扩展、较好的长期稳定性和批次一致性，感知机制简单到易于用弹簧-阻尼系统做高保真仿真。这意味着它试图解决的不只是单个传感器的性能问题，而是触觉领域缺乏统一硬件与数据基础的问题。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。